研究目的
将运动恢复结构(SfM)与语义分割相结合,以提高特征点匹配的准确性,并提出一种具有等式约束的新型光束法平差方法,用于大规模航空影像重建。
研究成果
将语义分割集成到运动恢复结构(SfM)中的方法提高了特征点匹配的准确性,并展示了语义分割自动标注的潜力。通过序列二次规划(SQP)求解的带等式约束的新光束法平差方法,在保持效率的同时达到了最先进的精度。该研究验证了SfM和语义分割可以相互促进,为未来优化语义标签和生成用于自动语义分割训练数据的密集重建开辟了道路。
研究不足
该研究仅限于大规模航拍图像重建,未将语义标签作为变量进行优化。此外,该方法可能需要在具有更多样化语义类别的数据集上进一步验证。
1:实验设计与方法选择:
本研究将语义分割信息融入运动恢复结构(SfM)以提升特征点匹配精度,并提出一种采用序列二次规划(SQP)求解等式约束的新型光束法平差方法。
2:样本选取与数据来源:
城市无人机数据集(UDD)由专业级无人机(大疆精灵4)在60至100米高度采集,包含多种城市场景。
3:实验设备与材料清单:
大疆精灵4无人机、12线程英特尔酷睿i7处理器、单块Titan X Pascal显卡。
4:实验流程与操作步骤:
基于在ImageNet预训练并在UDD微调的ResNet-101主干网络预测每张图片的语义标签,随后进行带语义约束的运动恢复结构处理,包括特征点提取、语义标签分配及约束光束法平差。
5:数据分析方法:
采用重投影均方根误差(RMSE)作为评估指标,对比所提语义SfM与原始SfM的精度差异。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容